Dimension enquête sur l'IA chinoise : modèles ouverts, goulots d'étranglement de calcul et fossé de commercialisation

La Chine manque de puces, les États-Unis manquent d'électricité — l'IA américano-chinoise entre dans une nouvelle partie d'échecs

Titre original : Lettre confidentielle aux commanditaires de Dimension : Échecs trans-Pacifique de l'IA
Auteur original : Dimension Capital

Note de la rédaction : Lorsque les États-Unis détiennent des modèles de pointe et des puces haut de gamme, tandis que la Chine dispose d'une électricité plus abondante et de contraintes de coûts plus fortes, comment la compétition mondiale en IA va-t-elle se dérouler ?

La lettre interne de Dimension tente de répondre à cette question. L'auteur décompose la compétition en plusieurs couches interconnectées : calcul, énergie, écosystèmes open source, revenus applicatifs et valorisation sur les marchés financiers.

Le jugement clé de l'auteur est que les contrôles à l'exportation n'ont pas simplement rompu les liens industriels américano-chinois en IA ; au contraire, ils ont poussé les laboratoires chinois à adopter une voie technique qui met l'accent sur l'efficacité de l'ingénierie et les poids ouverts. Les modèles américains, le calcul Nvidia, les modèles open source chinois et les services de données transfrontaliers sont déjà intégrés dans la même chaîne industrielle : les capacités techniques peuvent traverser les frontières, mais les revenus, les coûts et le pouvoir de négociation ne se transfèrent pas nécessairement en synchronisation. La victoire future pourrait donc dépendre non seulement des performances des modèles, mais aussi de qui peut résoudre son facteur le plus rare et construire une boucle commerciale plus durable.

Cela explique aussi pourquoi l'article aborde simultanément le goulot d'étranglement énergétique américain et les valorisations élevées des entreprises chinoises d'IA. Les problèmes structurels auxquels sont confrontées les deux régions sont exactement opposés : les États-Unis ont des capacités de commercialisation plus matures mais sont contraints par l'énergie et les infrastructures ; la Chine dispose d'une offre électrique en expansion rapide et d'un écosystème ouvert, mais fait encore face à des contraintes telles que la pénurie de puces avancées, une volonté de payer limitée et une échelle de revenus réduite. Les capacités techniques, les revenus commerciaux et la valorisation boursière sont donc clairement désalignés.

Il convient de noter que cette lettre porte une perspective distincte d'institution d'investissement, et certaines données sur les revenus, les sources des modèles et la pénétration sectorielle nécessitent encore une vérification plus approfondie. Mais elle fournit un cadre analytique digne d'attention : la compétition américano-chinoise en IA ne peut plus être expliquée par une simple avance technologique ou un blocus politique ; ce qui détermine réellement le paysage industriel pourrait être l'équilibre en constante évolution entre calcul, énergie, diffusion open source et allocation du capital.

Voici le texte original :

Chers partenaires,

Une petite équipe de Dimension s'est rendue en Chine la semaine dernière, visitant plusieurs laboratoires de premier plan et échangeant avec des investisseurs locaux, des entrepreneurs et des experts techniques. Ce voyage était en grande partie une revisite, et un réexamen des jugements que nous avions formés après notre voyage à Shanghai en 2025. À l'époque, nous avions écrit et parlé de l'importance croissante de la Chine au-delà du matériel. Aujourd'hui, en résumant les enseignements de ce voyage, nous pensons qu'il est nécessaire de réexaminer cette partie d'échecs trans-Pacifique de l'IA. Voici quelques-unes de nos réflexions actuelles. Il convient de noter que ces points de vue évoluent encore et pourraient changer à mesure que de nouvelles données apparaissent, peut-être même demain.

1. La rareté engendre l'évolution

L'intention initiale des contrôles à l'exportation était de ralentir le développement de l'IA en Chine. Mais le résultat est qu'ils ont créé une pression évolutive, donnant naissance à des laboratoires chinois distinctifs.

Avec un calcul limité, les équipes chinoises effectuent souvent des optimisations d'ingénierie à des niveaux d'abstraction inférieurs que les laboratoires américains peuvent souvent ignorer. Lorsque DeepSeek a publié V3 en mars, il a utilisé la programmation CUDA au niveau PTX sur un GPU Nvidia H800 pour déplacer les opérations de normalisation les plus énergivores des cœurs de calcul GPU vers 20 cœurs dédiés à l'interconnexion série.¹

Nous pensons que cela reflète moins une pénurie de talents américains qu'une différence d'incitations : les rendements marginaux des laboratoires américains proviennent de l'ajout de plus de calcul, tandis que ceux des laboratoires chinois proviennent de la recherche d'espaces d'optimisation pour les compilateurs et les puces.

En fin de compte, les laboratoires chinois ont formé une culture d'efficacité full-stack couvrant les noyaux, les optimiseurs, les systèmes de service et même la conception de puces. Les effets cumulés de cette culture dépassent de loin l'impact des optimisations individuelles. La rareté — qui l'aurait cru ? — s'est avérée être la mère de l'invention ; ici, elle a nourri l'ingénierie des systèmes, de l'assemblage et des compilateurs.

2. L'état actuel des logiciels chinois a déjà dépassé le niveau que les logiciels d'entreprise occidentaux avaient atteint il y a deux ans : pénétrant la pile technologique de production occidentale

Les fournisseurs chinois sont passés d'une pénétration nulle il y a moins de 18 mois à soutenir désormais plus de 25 % du volume de jetons d'OpenRouter.²

Qwen a dépassé Llama dans les tests en aveugle et continue de publier fréquemment de nouveaux modèles. En moins de deux ans, les modèles chinois ont évolué du « cinquième meilleur modèle open source au monde » à « au moins 80 % des startups américaines d'IA utilisant au moins un modèle open source chinois en production ».³ Les poids ouverts contournent les barrières d'approvisionnement — un logiciel gratuit n'a pas de fournisseur à vérifier.

En substance, la Chine acquiert rapidement des charges de calcul occidentales, pas des revenus occidentaux. Comme auparavant, les bénéfices d'inférence vont temporairement aux fournisseurs de services qui fournissent réellement les jetons.

Qu'ils soient intentionnels ou le résultat émergent d'un système complexe à l'échelle mondiale, les laboratoires chinois de pointe banalisent la couche de revenus dont dépendent les concurrents américains, principalement du côté open source. Cela ne nous semble pas accidentel, ni simplement une expérience curieuse.

L'objectif de ces entreprises est de construire des systèmes opérationnels à grande échelle, stables et à faibles revenus. Par conséquent, notre jugement à moyen terme est le suivant : la Chine pousse à la formation d'un écosystème qui repose sur des modèles à poids ouverts et un suivi rapide, comprimant les revenus des laboratoires américains de premier plan ; en même temps, elle oriente les revenus vers les fournisseurs de cloud hyperscale et les nouvelles infrastructures d'inférence. Nous pensons que cette tendance ralentit, voire entrave, l'entrée de technologies substantiellement avancées dans la partie d'échecs actuelle.

3. La concurrence au sein des laboratoires chinois de pointe est bien plus intense que ce que l'Occident réalise généralement

Notre jugement est que la frontière concurrentielle actuelle comprend DeepSeek, Qwen d'Alibaba, Kimi de Moonshot AI, Doubao de ByteDance et GLM de Zhipu, avec des écarts d'environ un trimestre seulement dans les fluctuations de classement. Notamment, Tencent, malgré sa base d'utilisateurs massive existante, est en dehors de cet écosystème ; cela mérite en soi une attention.

Ces laboratoires se livrent une concurrence frontale sur la vitesse de R&D et les capacités des modèles tout en ouvrant simultanément les poids de leurs modèles, formant un écosystème concurrentiel complètement différent des deux laboratoires américains fermés.

Encore une fois, nous pensons que l'enjeu concurrentiel des un à deux prochaines années est moins une compétition entre nations qu'une compétition entre différentes structures d'incitations. Les laboratoires chinois que nous avons rencontrés ont tendance à se concentrer davantage sur la concurrence entre eux que sur la compétition transfrontalière que les médias occidentaux adorent mettre en avant.

4. Aujourd'hui, les capacités des modèles peuvent traverser le Pacifique deux fois et atteindre quand même les clients finaux

Le chemin spécifique : les laboratoires américains de pointe publient des modèles plus puissants ; les laboratoires chinois les distillent et publient les poids des modèles ; les entreprises d'applications américaines utilisent ensuite ces modèles open source chinois pour construire des produits et les revendre aux entreprises clientes américaines.

Le Composer 2 développé en interne par Cursor serait construit sur Kimi K2.5 ; SWE-1.5 de Cognition semble être construit sur un GLM personnalisé. En bref, comme nous l'avons entendu dire par un représentant d'un laboratoire chinois de pointe, les États-Unis itèrent vite, la Chine publie vite.

Il y a environ un an, ces entreprises auraient été considérées comme bonnes si elles atteignaient les niveaux de Llama ou même de Mistral. Aujourd'hui, l'IA américaine de pointe a été intégrée dans le système de poids ouverts de la Chine, et l'intelligence américaine de pointe s'y cache.

5. La couche de données semble répéter une trajectoire similaire

Les fournisseurs de données américains — Mercor, AfterQuery, Turing — ont établi des relations commerciales avec Anthropic, OpenAI et d'autres. Pendant ce temps, en Chine, un groupe de startups a commencé à construire une infrastructure d'évaluation et de vérification pour soutenir les services d'annotation.

Par exemple, UniPat a été fondée par un doctorant de l'Université de Pékin et est soutenue par Mercedes-Benz. L'entreprise a ouvert un bureau à Seattle en décembre 2025 et utilise, selon les rapports, des annotateurs doctorants de Chine, travaillant sur ces projets en transitant directement par le Midwest américain.

Les laboratoires chinois soulèvent une question simple mais importante : **Comment peuvent-ils garantir la qualité de la supervision humaine sur les processus de calcul, dans des environnements où le calcul est contraint et ne doit pas dépasser un certain seuil, reste alignée sur des modèles dotés de capacités adaptatives et de ressources quasi illimitées ?**⁴

Nous avons observé que plusieurs équipes de l'écosystème ont commencé à construire des produits correspondants ; au moins deux d'entre elles approchent rapidement des revenus supérieurs à 100 millions de dollars.

6. Les États-Unis et la Chine sont confrontés à des contraintes de nature différente et de direction opposée

La Chine a ajouté environ 429 GW de nouvelle capacité de production électrique en 2024, tandis que les États-Unis n'en ont ajouté qu'environ 51 GW. D'ici 2030, les projets électriques en construction existants en Chine pourraient apporter plus de 400 GW d'offre supplémentaire. En revanche, aux États-Unis, l'expansion des centres de données devrait représenter plus d'un cinquième de la nouvelle demande d'électricité future.⁵

Comme nous l'avons écrit auparavant, la contrainte de la Chine provient d'une base de calcul insuffisante. Un exemple est que le nouveau modèle K3 de Moonshot AI, bien qu'à la pointe en termes de capacités, a vu sa sortie retardée en raison d'une capacité d'inférence insuffisante.

Les États-Unis ont des puces abondantes mais un calcul de plus en plus contraint par l'électricité ; la Chine a une électricité abondante mais un calcul de plus en plus contraint par les puces.

Notre jugement — et c'est le consensus de l'industrie — est que l'avenir sera déterminé par le facteur actuellement le plus rare : pour les États-Unis, cela dépend de la rapidité avec laquelle les terrains pour centres de données, le transport et la distribution, et les lignes électriques peuvent être construits ; pour la Chine, cela dépend des rendements et des capacités de mise en boîtier de SMIC et Huawei.

7. L'écart entre les revenus de l'IA américaine et chinoise est très important, proche de deux ordres de grandeur

À la fin du mois de juillet, le revenu annualisé d'Anthropic dépassait 6,5 milliards de dollars ; en août, le revenu annualisé d'OpenAI atteignait 40 milliards de dollars.⁶

En revanche, le revenu de modèle le plus élevé en Chine est celui de ByteDance, dont le revenu annualisé du modèle vidéo est d'environ 200 à 300 millions de dollars ; le deuxième est Moonshot AI, à environ 100 millions de dollars. DeepSeek aurait un revenu annualisé inférieur à 50 millions de dollars.

Du côté des consommateurs, Doubao compte 345 millions d'utilisateurs mensuels, soit plus de trois fois le nombre d'utilisateurs de DeepSeek. Les deux offrent de multiples sources de revenus, y compris des commissions commerciales ; selon nos calculs, le revenu mensuel de monétisation par utilisateur est d'environ 1 RMB.

Historiquement, les consommateurs chinois ne sont pas habitués à payer pour les logiciels. Nous ne pensons pas non plus que l'économie chinoise soit devenue suffisamment favorable pour que la classe moyenne change rapidement cette habitude. Des initiés de l'entreprise disent qu'ils déploient des ressources pour tenter une commercialisation ; les habitudes d'utilisation d'Internet des consommateurs chinois ont effectivement changé il y a une décennie.

Bien sûr, les laboratoires chinois pourraient éventuellement monétiser par la publicité commerciale, ce que les laboratoires américains ont été réticents à faire.

Il y a aussi un facteur de pragmatisme assumé : les entrepreneurs ne craignent généralement pas d'être censurés ou attaqués pour avoir utilisé des mots ou des expressions considérés comme stigmatisés. Cela était très évident lorsque nous marchions dans les rues de Kowloon, à Hong Kong : les vendeurs écoutaient l'analyse de Ben Thompson sur l'évitement irrationnel de la publicité et des modèles économiques par les laboratoires américains.⁷

Au fait, c'est la première fois que Ben entend cela — Ben est l'un des plus grands analystes de l'histoire.

8. Le matériel se découple de la couche semi-conducteurs, de la couche logicielle et de la couche de données, et leur entrelacement s'accélère plus vite que tout gouvernement ne peut réagir

Les applications américaines fonctionnent sur des modèles chinois ; les laboratoires chinois s'entraînent sur de la puissance de calcul Nvidia louée en Malaisie et en Thaïlande tout en distillant les sorties des modèles américains ; les données d'experts circulent dans les deux sens.⁸

Nous constatons que la question « qui écrit les questions » n'est plus fiable.

De même, les systèmes sont désormais profondément interdépendants, correspondant à la fois à l'imagination de la « suprématie rhétorique de l'État-nation » et réalisant un véritable transnationalisme dans le fonctionnement réel — à moins que l'auto-amélioration récursive, ou RSI, ne modifie substantiellement la structure actuelle du jeu.

9. Nous avons constaté que certains chercheurs chinois de premier plan pensent avoir maîtrisé une forme plus faible de RSI

De manière générale, la RSI peut être divisée en trois types : temporelle, computationnelle et de limite. La première RSI peut être comprise comme des chercheurs impliquant des modèles dans leur propre itération, aidant manuellement les modèles à accélérer des étapes qui consommeraient autrement le calcul ou le temps des chercheurs, ou les deux. Il convient de noter que le « décollage » à ce stade n'apparaîtra probablement pas comme une courbe exponentielle sur de longues échelles de temps comme des décennies jusqu'en 2100 ; ce ne sera pas non plus un cas où l'effort collectif humain dépasse ce qu'une seule personne ou machine peut accomplir.

10. Un point de bifurcation clé

En supposant que l'auto-amélioration de premier ordre existe réellement, alors en termes de calcul, l'avantage américain semble très solide : d'ici 2030, deux laboratoires exploiteront chacun environ 2 GW de calcul, et chacun a plus de 5 GW de projets sous contrat.

En théorie, ces projets sont financés par des revenus substantiels et des marchés de capitaux solides ; il ne semble pas y avoir de fin au calcul à grande échelle, à la pensée latérale, aux boucles d'« auto-amélioration » et à l'apprentissage de l'utilisation efficace de ces capacités.

Mais inversement, si la contrainte réelle réside dans la qualité de la vérification, ou si le calendrier dépasse ce que la courbe devrait permettre, alors l'expression « optimisation des capacités et surcapacité des puces domestiques » — qui peut sembler familière — pourrait continuer à s'accélérer au cours des 18 prochains mois :

Banalisation accélérée des capacités des modèles américains de pointe ;

Augmentation des capacités de modèles uniques utilisées par les modèles chinois à poids ouverts ;

Pouvoir de négociation plus élevé pour les entreprises d'IA basées sur les enchères au niveau de l'inférence ;

Volume de transactions et bénéfices plus importants pour les fournisseurs de services de calcul à mesure que les poids détenus par des étrangers sont incorporés ;

En fin de compte, ces effets se transmettront également aux fournisseurs de services d'inférence, tels que les fournisseurs de cloud hyperscale et les nouveaux fournisseurs de cloud.

Cela signifie qu'il y aura une mauvaise allocation massive des investissements dans les infrastructures électriques.

Nous devons souligner : notre analyse des infrastructures américaines et chinoises pourrait être la catégorie de rendement potentiel le plus élevé parmi toutes les analyses que nous avons jamais réalisées.

À propos de l'avenir

11. Un monde futur possible

À l'avenir, les laboratoires américains de pointe pourraient ne plus ouvrir leurs API à la prochaine génération de modèles les plus avancés. En fait, pour la grande majorité des applications d'entreprise programmatiques, les niveaux technologiques actuels sont déjà suffisants. Les futurs modèles haut de gamme seront tarifés en fonction de la valeur plutôt que de l'utilisation, et conduiront de plus en plus la Chine à bénéficier des capacités de pointe.

Par conséquent, les laboratoires américains pourraient augmenter la priorité des revenus d'API pour soutenir des modèles plus chers et moins utilisés ; cela coupera à son tour un pipeline concurrentiel important de la côte Est des États-Unis à travers le Pacifique.

À tout le moins, cela forcera davantage de données à être traitées en Chine à l'aide de modèles pré-entraînés, augmentant ainsi la pression sur le goulot d'étranglement de calcul existant.

D'après ce que nous avons appris, certaines grandes multinationales américaines mènent des projets pilotes pour migrer des tâches telles que l'ingénierie et les mathématiques vers la Chine pour traitement.

12. Le paysage de l'IA américano-chinoise

Nous pensons que l'IA a déjà profondément entrelacé les systèmes technologiques américain et chinois au point que les mesures réglementaires qui ne font que couper un lien trans-Pacifique semblent au mieux temporaires.

Les technologues américains et chinois se parlent, en un sens ; cet échange peut se produire à plusieurs niveaux tels que la distillation de modèles, les poids ouverts, l'annotation de données et l'inférence, tandis que les logiciels exploitent de plus en plus l'infrastructure de recherche agentique.

Les interdictions directes sur les flux de devises, les listes d'entités, les interdictions de conservation et les interdictions d'approvisionnement supprimeront presque certainement l'innovation américaine et céderont le leadership dans les domaines connexes, orientant finalement les capitaux vers les concurrents chinois.

Malgré la discussion occidentale bruyante sur une bulle de valorisation de l'IA, l'atmosphère sur le marché chinois est clairement beaucoup plus chaude.

Si l'on regarde les multiples de revenus, les laboratoires chinois se négocient à une valorisation 5 à 10 fois supérieure à celle des laboratoires américains de pointe ; par échelle de revenus, l'écart américano-chinois est proche de deux ordres de grandeur.

Le dernier tour de financement de Moonshot AI a valorisé l'entreprise à 3,5 milliards de dollars, avec un revenu annualisé de juillet d'environ 100 millions de dollars, soit une valorisation d'environ 35 fois les revenus ; le nouveau tour serait mené à une valorisation pré-argent de 5 milliards de dollars, équivalant à environ 50 fois les revenus.

La capitalisation boursière de Zhipu lors de son introduction à Hong Kong en janvier de cette année était d'environ 10 milliards de dollars, soit environ 20 fois le multiple de valorisation d'Anthropic. Le cours de l'action de la société sur le marché public a été très volatil : d'une capitalisation boursière d'environ 1,3 milliard de dollars à l'introduction, elle a atteint à un moment donné environ 10 milliards de dollars en janvier de cette année.

Kong AI Knowledge Atlas Technology HK (2613) est également passée d'une capitalisation boursière d'environ 1,3 milliard de dollars en janvier de cette année à environ 10 milliards de dollars ; Luna AI (HKG:100) est passée d'environ 15 milliards de dollars à 33 milliards de dollars, puis est retombée à environ 10 milliards de dollars.

Les deux actions ont fortement chuté avant la fin de leurs périodes de blocage. Notre jugement est que cela provient principalement d'une structure de marché immature : des décennies d'expérience en investissement dans les logiciels grand public ne font que commencer à accumuler la capacité de mener des évaluations prudentes autour des divulgations financières des entreprises et des cadres open source.

Cela n'est pas significativement différent de ce que nous avons vu dans les biotechnologies : sur le marché public de Hong Kong, il n'y a presque aucun risque réglementaire découlant d'investisseurs croisés ou d'investisseurs spécialisés dans la technologie et les biotechnologies.

Pour les bons investisseurs, cela représente une énorme opportunité : ils peuvent entrer sur le marché et établir un leadership dans les investissements précoces sur les marchés publics dans ces catégories.

Vos partenaires,

Nan, Adam, Zivain

Notes

Rapport technique de DeepSeek V3 : utilisé 2048 GPU H800 ; programmation au niveau PTX ; environ 30 millions de messages dédiés à la communication inter-nœuds.

En mars 2026, la part hebdomadaire des jetons d'OpenRouter était d'environ 42 %, fluctuant d'environ 5 % ; Qwen représentait environ 18 %. Il convient de noter que les téléchargements de modèles Hugging Face ne représentent qu'environ 80 % de l'utilisation des modèles chinois à poids ouverts, environ 20 % étant distribués par d'autres canaux.

Anthropic a formellement accusé Moonshot AI, DeepSeek et MiniMax de collecter des millions de données de conversation Claude ; cette affirmation a ensuite été niée et réfutée par plusieurs entreprises.

Les commentaires sur les différences de traitement comptable entre les différentes méthodes de taux d'exécution sont omis pour l'instant.

L'entraînement des centres de données d'Alibaba et de ByteDance en Asie du Sud-Est s'est accéléré après l'introduction de restrictions le 20 avril 2026 ; ces entreprises louent du calcul dans des installations qui ne sont pas détenues par des entreprises chinoises en Thaïlande, en Malaisie et au Japon. La directive OSTP de la Maison Blanche de mars 2026 a amené des serveurs GB300 de qualité export Nvidia en Thaïlande pour l'entraînement de K3 ; les contrôles à l'exportation actuels mettent davantage l'accent sur la propriété des puces que sur l'accès à distance. Les coûts de location de calcul en Thaïlande, en Malaisie et en Indonésie sont environ 30 % plus élevés, tandis que les coûts d'exploitation sont environ 10 % plus bas.

Avant l'expiration de la période de blocage, les institutions détenant plus de 5 % ne peuvent pas encaisser ; les actionnaires ordinaires ne peuvent pas non plus vendre avant la fin de la période de blocage.